深度学习模型

获得 Image Analyst 许可后可用。

下表对 ArcGIS Pro 中可用的深度学习模型进行了概述。 每行提供兼容的元数据格式和特定模型的主要用途。 如果信息可用，则包含随附的示例。

深度学习模型类型	支持的元数据	任务	示例
BDCN 边缘检测器	分类切片	像素分类	地块提取
变化检测器	分类切片 变化检测	像素分类（变化检测）	检测建筑物变化
ConnectNet	分类切片	像素分类
CycleGAN	导出切片 CycleGAN	影像转换（不成对影像）	SAR 至 RGB 转换
DeepLab	分类切片	像素分类
Faster RCNN	PASCAL_VOC_rectangles KITTI_rectangles	对象检测
要素分类器	已标注切片 Imagenet 多标注切片	对象检测	要素分类
HED 边缘检测器	分类切片	像素分类	地块提取
影像标题生成器	影像标题生成	影像转换
Mask RCNN	RCNN 掩膜	对象检测（实例分割）	驯鹿检测和分类
MMDetection	PASCAL_VOC_rectangles KITTI_rectangles	对象检测
MMSegentation	分类切片	像素分类
多任务道路提取器	分类切片	像素分类	自动道路提取
Pix2Pix	导出切片	影像转换（已配对影像）	为历史影像着色
PSPNet	分类切片	像素分类
RetinaNet	PASCAL_VOC_rectangles KITTI_rectangles	对象检测	公共设施和植被检测
Siam Mask	RCNN 掩膜	对象跟踪器
SSD	PASCAL_VOC_rectangles KITTI_rectangles	对象检测	检测棕榈树健康情况
超分辨率	超分辨率	影像转换	提高影像分辨率
U-Net	分类切片	像素分类	提取建筑物覆盖区
YOLOv3	PASCAL_VOC_rectangles KITTI_rectangles	对象检测

注：

可使用训练深度学习模型工具执行一些使用 Python Notebook 进行训练的示例。